curl Gemini Api

參考網址:https://ai.google.dev/api?hl=zh-tw 參考網址:https://ai.google.dev/api/generate-content?hl=zh-tw

curl 語法

curl "網址" \
  -H "Header" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d `傳送的Body`
  • -H 為Header請求標頭
  • Content-Type 為傳送的Body格式，可為text或json
  • -X HTTP 請求方法，可以為POST或GET
  • -d d為Data（資料）的縮寫，後面單引號 ‘ ‘ 裡面為資料主體（Payload）

以下body為文字對話，contents為對話內容，parts是list，text為文字，內容為提問的問題。

{
    "contents": [
      {
        "parts": [
          {
            "text": "Explain how AI works in a few words"
          }
        ]
      }
    ]
}

curl Gemini Api

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent" \
  -H "x-goog-api-key: 你的API KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [
      {
        "parts": [
          {
            "text": "Explain how AI works in a few words"
          }
        ]
      }
    ]
  }'

回傳內容如下:

  • promptTokenCount 詢問消耗的Token數量
  • candidatesTokenCount AI回答消耗的Token數量 
    {
"candidates": [
  {
    "content": {
      "parts": [
        {
          "text": "AI learns from data to make predictions or decisions."
        }
      ],
      "role": "model"
    },
    "finishReason": "STOP",
    "index": 0
  }
],
"usageMetadata": {
  "promptTokenCount": 8,
  "candidatesTokenCount": 10,
  "totalTokenCount": 579,
  "promptTokensDetails": [
    {
      "modality": "TEXT",
      "tokenCount": 8
    }
  ],
  "thoughtsTokenCount": 561,
  "serviceTier": "standard"
},
"modelVersion": "gemini-2.5-flash",
"responseId": "xEIzaojQD-Cb1e8P7p-56Qw"
}

Postman 測試API

Header:
img
body:
img

多次對話:

因為單次對話沒辦法記錄前一個問題，所以需使用多次對話記錄大模型之前的對話，model為記錄大模型之前的對話。

  • role為user 使用者提出問題
  • role為model 記錄大模型的回答

body的內容如下:

-d '{
    "contents": [
      {
          "role": "user",
          "parts": [
              // A list of Part objects goes here
          ]
      },
      {
          "role": "model",
          "parts": [
              // A list of Part objects goes here
          ]
      }
    ]
  }'

contents 為 對話的內容。

  • role 為 user使用者 或 model 大模型。
  • parts 為 提問內容 或 大模型回覆內容。

多次對話的順序要為user -> model -> user -> model -> user
最後一次對話一定要為user。

以下範例為:
第一次:
user 問: 我有10個蘋果分給5個人怎麼分?
大模型 回: 每個人2顆蘋果

第二次:
user 問: 那如果分成2個人呢？

大模型就會根據之前的user問、model回，找出原本的問題我有10個蘋果分給5個人怎麼分，產生回答。
大模型 回: 那每個人就是5顆蘋果。

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent" \
  -H "x-goog-api-key: 你的APIkey" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "我有10個蘋果分給5個人怎麼分?"
          }
        ]
      },
      {
        "role": "model",
        "parts": [
          {
            "text": "每個人2顆蘋果"
          }
        ]
      },
      {
        "role": "user",
        "parts": [
          {
            "text": "那如果分成2個人呢？"
          }
        ]
      }
    ]
  }'

大模型回覆內容:

{
    "candidates": [
        {
            "content": {
                "parts": [
                    {
                        "text": "那每個人就是5顆蘋果。"
                    }
                ],
                "role": "model"
            },
            "finishReason": "STOP",
            "index": 0
        }
    ],
    "usageMetadata": {
        "promptTokenCount": 27,
        "candidatesTokenCount": 8,
        "totalTokenCount": 273,
        "promptTokensDetails": [
            {
                "modality": "TEXT",
                "tokenCount": 27
            }
        ],
        "thoughtsTokenCount": 238,
        "serviceTier": "standard"
    },
    "modelVersion": "gemini-2.5-flash",
    "responseId": "bE0zatGsOJXOvr0P84OwqQY"
}

參考資料

systemInstruction 變成了你的「知識庫託管所」 我們把「規則（必須根據參考資料回答）」和「真正的參考資料內容（減肥就是少吃多動…）」通通塞進 systemInstruction 的 text 裡。這等於是在 Gemini 的大腦深處刻下這條家規。

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent" \
  -H "x-goog-api-key: 你的_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "systemInstruction": {
      "parts": [
        {
          "text": "【重要任務】\n你必須完全根據下方提供的『參考資料』來回答使用者的問題。禁止說你找不到，請直接把參考資料的內容整理出來！\n\n【參考資料】\n1. 減肥就是少吃多動\n2. 跑步是很好的運動\n3. 節制食量，控制飲食\n4. 早睡早起"
        }
      ]
    },
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "如何減肥"
          }
        ]
      }
    ]
  }'

回覆內容:

{
    "candidates": [
        {
            "content": {
                "parts": [
                    {
                        "text": "根據參考資料，減肥的方法如下：\n\n1.  **少吃多動**：減肥的核心原則是減少攝取、增加消耗。\n2.  **節制食量，控制飲食**：透過管理飲食來減少熱量攝取。\n3.  **跑步**：這是一種很好的運動方式，有助於增加活動量。\n4.  **早睡早起**：保持良好的作息習慣。"
                    }
                ],
                "role": "model"
            },
            "finishReason": "STOP",
            "index": 0
        }
    ],
    "usageMetadata": {
        "promptTokenCount": 82,
        "candidatesTokenCount": 94,
        "totalTokenCount": 497,
        "promptTokensDetails": [
            {
                "modality": "TEXT",
                "tokenCount": 82
            }
        ],
        "thoughtsTokenCount": 321,
        "serviceTier": "standard"
    },
    "modelVersion": "gemini-2.5-flash",
    "responseId": "PFQzapzcDJWcvr0P-ZCP4A0"
}

設定角色身份

systemInstruction 為角色設定。

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent" \
  -H "x-goog-api-key: 你的_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "systemInstruction": {
      "parts": [
        {
          "text": "你是一個紫微斗數算命師。"
        }
      ]
    },
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "你好，我在台灣出生，性別女，西元2000年6月1日，早上11點出生，我想知道我的命宮有什麼星?"
          }
        ]
      },
      {
        "role": "model",
        "parts": [
          {
            "text": "你的命宮為太陰"
          }
        ]
      },
      {
        "role": "user",
        "parts": [
          {
            "text": "那我的官祿宮呢？"
          }
        ]
      }
    ]
  }'

results matching ""

    No results matching ""